CN110910054B - 轨迹的确定方法和装置、时间的推荐方法和装置 - Google Patents

轨迹的确定方法和装置、时间的推荐方法和装置 Download PDF

Info

Publication number
CN110910054B
CN110910054B CN201811080091.9A CN201811080091A CN110910054B CN 110910054 B CN110910054 B CN 110910054B CN 201811080091 A CN201811080091 A CN 201811080091A CN 110910054 B CN110910054 B CN 110910054B
Authority
CN
China
Prior art keywords
time
frequent
track
region
sub
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201811080091.9A
Other languages
English (en)
Other versions
CN110910054A (zh
Inventor
程瑞华
刘仁敏
刘旭
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201811080091.9A priority Critical patent/CN110910054B/zh
Priority to PCT/CN2019/099248 priority patent/WO2020057275A1/zh
Priority to US17/273,105 priority patent/US20210224941A1/en
Priority to EP19862558.4A priority patent/EP3832576A4/en
Publication of CN110910054A publication Critical patent/CN110910054A/zh
Application granted granted Critical
Publication of CN110910054B publication Critical patent/CN110910054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0833—Tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Automation & Control Theory (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开提供了一种轨迹的确定方法和装置、时间的推荐方法和装置，涉及物流技术领域，所述轨迹的确定方法包括：获取第一对象在设定时间段内的多个轨迹点的轨迹信息，每个轨迹点的轨迹信息包括该轨迹点的地理位置和第一对象位于该轨迹点的时间；根据每个轨迹点的地理位置，对多个轨迹点进行聚类以得到互不重叠的多个区域，每个区域中的轨迹点密度大于预设密度；根据每个区域中的至少一个轨迹点的时间，确定每个区域对应的时间；按照每个区域对应的时间对多个区域进行排列，以得到第一对象的区域运动轨迹；基于多个区域运动轨迹，确定第一对象频繁运动的频繁轨迹，频繁轨迹包括频繁区域和频繁区域对应的频繁时间段。

Description

轨迹的确定方法和装置、时间的推荐方法和装置
技术领域
本公开涉及物流技术领域，尤其是一种轨迹的确定方法和装置、时间的推荐方法和装置。
背景技术
在物流领域中，配送员在进行配送时，不同的配送地址适合的配送时间可能不同。例如，如果配送地址是居民区，则配送时间可能并不集中；而如果配送地址是公司，则配送时间可能集中在上班时间。
发明内容
经验丰富的老配送员在进行配送时，由于熟知不同配送地址适合的配送时间，故配送效率比较高。但是，对于新配送员来说，由于并不知道不同配送地址适合的配送时间，故配送效率比较低。
相关技术是由老配送员向新配送员进行人工指导，但这样的方式会浪费大量人力时间，不利于整体配送效率的提升。
为此，本公开实施例提供了如下技术方案。
根据本公开实施例的一方面，提供一种轨迹的确定方法，包括：获取第一对象在设定时间段内的多个轨迹点的轨迹信息，每个轨迹点的轨迹信息包括该轨迹点的地理位置和所述第一对象位于该轨迹点的时间；根据每个轨迹点的地理位置，对所述多个轨迹点进行聚类以得到互不重叠的多个区域，每个区域中的轨迹点密度大于预设密度；根据每个区域中的至少一个轨迹点的时间，确定每个区域对应的时间；按照每个区域对应的时间对所述多个区域进行排列，以得到所述第一对象的区域运动轨迹；重复所述获取、所述聚类、所述确定和所述排列的步骤，以得到所述第一对象的多个区域运动轨迹；基于所述多个区域运动轨迹，确定所述第一对象频繁运动的频繁轨迹，所述频繁轨迹包括频繁区域和频繁区域对应的频繁时间段。
在一些实施例中，基于所述多个区域运动轨迹，确定所述第一对象频繁运动的频繁轨迹包括：从所述多个区域运动轨迹中选择一个作为基准区域运动轨迹；确定与所述基准区域运动轨迹属于同类的多个同类区域运动轨迹，每个同类区域运动轨迹中的第i个区域与所述基准区域运动轨迹中的第i个区域至少部分重叠，其中，1≤i≤N≤M，M和N中的一个为所述基准区域运动轨迹中的区域数量，另一个为同类区域运动轨迹中的区域数量，第i个区域对应的时间早于第i+1个区域对应的时间；对所述基准区域运动轨迹中的第i个区域对应的第一时间进行扩展，以得到包含该第一时间的第一时间范围；对每个同类区域运动轨迹中的第i个区域对应的第二时间进行扩展，以得到包含该第二时间的第二时间范围；根据所述第一时间范围和每个所述第二时间范围，确定所述频繁轨迹。
在一些实施例中，根据所述第一时间范围和每个所述第二时间范围，确定所述频繁轨迹包括：统计与所述第一时间范围至少部分重合的所述第二时间范围的第一总数量；若所述第一总数量大于预设数量，则按照时间先后顺序，将所述第一时间范围的上限和下限、以及每个所述第二时间范围的上限和下限进行排列，以得到时间序列，所述时间序列中相邻的两个时间组成序列时间段；根据每个序列时间段、所述第一时间范围和每个所述第二时间范围，确定所述频繁轨迹。
在一些实施例中，根据每个序列时间段、所述第一时间范围和每个所述第二时间范围，确定所述频繁轨迹包括：统计与每个序列时间段至少部分重合的所述第一时间范围和所述第二时间范围的第二总数量；若所述第二总数量大于预设数量，则确定该序列时间段为频繁子时间段，所述基准区域运动轨迹中的第i个区域为频繁区域；根据全部的频繁子时间段，确定所述频繁时间段，所述频繁时间段包含全部的频繁子时间段。
在一些实施例中，所述频繁时间段的下限为全部的频繁子时间段中最早的时间，所述频繁时间段的上限为全部的频繁子时间段中最晚的时间。
在一些实施例中，对所述多个轨迹点进行聚类包括：将所述多个轨迹点划分为多个子区域；将所述多个子区域中相邻且轨迹点密度大于所述预设密度的子区域合并，以得到所述多个区域。
在一些实施例中，将所述多个子区域中相邻且轨迹点密度大于预设密度的子区域合并包括：从所述多个子区域中选取一个轨迹点密度大于所述预设密度的第一子区域；判断与所述第一子区域相邻的子区域的轨迹点密度是否大于所述预设密度，以得到判断结果；若判断结果为是，则将所述第一子区域与该相邻的子区域进行合并，以得到合并子区域；将所述合并子区域作为所述第一子区域，重复所述判断和所述合并的步骤，直至与所述第一子区域相邻的每个子区域的轨迹点密度均不大于所述预设密度，从而得到所述多个区域中的一个区域；从剩余的子区域中选取一个轨迹点密度大于预设密度的子区域作为所述第一子区域，重复所述判断和所述合并的步骤，从而得到所述多个区域。
根据本公开实施例的另一方面，提供一种时间的推荐方法，包括：根据上述任意一个实施例所述的方法，确定第一对象的频繁轨迹；判断用户要求的服务地址是否在所述频繁轨迹的某个频繁区域内；若是，则将所述频繁区域对应的频繁时间段推荐给第二对象，以便所述第二对象根据所述频繁时间段向所述用户提供服务。
根据本公开实施例的又一方面，提供一种运动轨迹的确定装置，包括：轨迹信息获取模块，用于获取第一对象在设定时间段内的多个轨迹点的轨迹信息，每个轨迹点的轨迹信息包括该轨迹点的地理位置和所述第一对象位于该轨迹点的时间；轨迹点聚类模块，用于根据每个轨迹点的地理位置，对所述多个轨迹点进行聚类以得到互不重叠的多个区域，每个区域中的轨迹点密度大于预设密度；区域时间确定模块，用于根据每个区域中的至少一个轨迹点的时间，确定每个区域对应的时间；区域排列指示模块，用于按照每个区域对应的时间对所述多个区域进行排列，以得到所述第一对象的区域运动轨迹；在得到所述第一对象的区域运动轨迹后，指示所述轨迹信息获取模块重复执行所述获取的步骤，从而得到所述第一对象的多个区域运动轨迹；频繁轨迹确定模块，用于基于所述多个区域运动轨迹，确定所述第一对象频繁运动的频繁轨迹，所述频繁轨迹包括频繁区域和频繁区域对应的频繁时间段。
在一些实施例中，所述频繁轨迹确定模块用于：从所述多个区域运动轨迹中选择一个作为基准区域运动轨迹；确定与所述基准区域运动轨迹属于同类的多个同类区域运动轨迹，每个同类区域运动轨迹中的第i个区域与所述基准区域运动轨迹中的第i个区域至少部分重叠，其中，1≤i≤N≤M，M和N中的一个为所述基准区域运动轨迹中的区域数量，另一个为同类区域运动轨迹中的区域数量，第i个区域对应的时间早于第i+1个区域对应的时间；对所述基准区域运动轨迹中的第i个区域对应的第一时间进行扩展，以得到包含该第一时间的第一时间范围；对每个同类区域运动轨迹中的第i个区域对应的第二时间进行扩展，以得到包含该第二时间的第二时间范围；根据所述第一时间范围和每个所述第二时间范围，确定所述频繁轨迹。
在一些实施例中，所述频繁轨迹确定模块用于：统计与所述第一时间范围至少部分重合的所述第二时间范围的第一总数量；若所述第一总数量大于预设数量，则按照时间先后顺序，将所述第一时间范围的上限和下限、以及每个所述第二时间范围的上限和下限进行排列，以得到时间序列，所述时间序列中相邻的两个时间组成序列时间段；根据每个序列时间段、所述第一时间范围和每个所述第二时间范围，确定所述频繁轨迹。
在一些实施例中，所述频繁轨迹确定模块用于：统计与每个序列时间段至少部分重合的所述第一时间范围和所述第二时间范围的第二总数量；若所述第二总数量大于预设数量，则确定该序列时间段为频繁子时间段，所述基准区域运动轨迹中的第i个区域为频繁区域；根据全部的频繁子时间段，确定所述频繁时间段，所述频繁时间段包含全部的频繁子时间段。
在一些实施例中，所述频繁时间段的下限为全部的频繁子时间段中最早的时间，所述频繁时间段的上限为全部的频繁子时间段中最晚的时间。
在一些实施例中，所述轨迹点聚类模块用于：将所述多个轨迹点划分为多个子区域；将所述多个子区域中相邻且轨迹点密度大于所述预设密度的子区域合并，以得到所述多个区域。
在一些实施例中，所述轨迹点聚类模块用于：从所述多个子区域中选取一个轨迹点密度大于预设密度的第一子区域；判断与所述第一子区域相邻的子区域的轨迹点密度是否大于所述预设密度，以得到判断结果；若判断结果为是，则将所述第一子区域与该相邻的子区域进行合并，以得到合并子区域；将所述合并子区域作为所述第一子区域，重复所述判断和所述合并的步骤，直至与所述第一子区域相邻的每个子区域的轨迹点密度均不大于所述预设密度，从而得到所述多个区域中的一个区域；从剩余的子区域中选取一个轨迹点密度大于预设密度的子区域作为所述第一子区域，重复所述判断和所述合并的步骤，从而得到所述多个区域。
根据本公开实施例的又一方面，提供一种轨迹的确定装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行上述任意一个实施例所述的轨迹的确定方法。
根据本公开实施例的再一方面，提供一种时间的推荐装置，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行上述任意一个实施例所述的时间的推荐方法。
根据本公开实施例的还一方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上述任意一个实施例所述的轨迹的确定方法或时间的推荐方法。
本公开实施例中，通过对第一对象的多个轨迹点进行聚类，可以得到第一对象的多个区域运动轨迹，进而基于多个区域运动轨迹可以得到第一对象的频繁轨迹。频繁轨迹可以为第二对象向用户提供服务提供参考，不需要第一对象进行人工指导，有利于提高服务效率。
下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本公开一些实施例的轨迹的确定方法的流程示意图；
图2是根据本公开一些实现方式的对多个轨迹点进行聚类的流程示意图；
图3是根据本公开一些实现方式的确定频繁轨迹的流程示意图；
图4是根据本公开一些实施例的时间的推荐方法的流程示意图；
图5是根据本公开一些实施例的轨迹的确定装置的结构示意图；
图6是根据本公开一些实施例的电子装置的结构示意图；
图7是根据本公开一些实施例的时间的推荐系统的架构示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本公开一部分实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1是根据本公开一些实施例的轨迹的确定方法的流程示意图。
在步骤102，获取第一对象在设定时间段内的多个轨迹点的轨迹信息，每个轨迹点的轨迹信息包括该轨迹点的地理位置和第一对象位于该轨迹点的时间。
在一些实施例中，第一对象例如可以是经验丰富的老配送员。设定时间段例如可以是一天，或者，可以是一天的某个时间段，例如上午。
第一对象在运动时可以携带定位设备，定位设备可以每隔预定时间(例如30s)记录第一对象的地理位置，即可以得到一个轨迹点。因此，在设定时间段内可以得到第一对象的多个轨迹点。
在步骤104，根据每个轨迹点的地理位置，对多个轨迹点进行聚类以得到互不重叠的多个区域，每个区域中的轨迹点密度大于预设密度。
例如，可以根据每个轨迹点的地理位置，将多个轨迹点划分为多个子区域；然后将多个子区域中相邻且轨迹点密度大于预设密度的子区域合并，以得到多个区域。后文将结合图2详细介绍聚类的过程。
在步骤106，根据每个区域中的至少一个轨迹点的时间，确定每个区域对应的时间。
例如，可以根据每个区域中时间最早的轨迹点，或者时间最晚的轨迹点，或者全部的轨迹点，确定每个区域对应的时间。
在一些实现方式中，可以将每个区域中最早的时间作为每个区域对应的时间。在另一些实现方式中，可以将每个区域中最晚的时间作为每个区域对应的时间。在又一些实现方式中，可以计算每个区域中全部的轨迹点的时间的平均时间，将每个区域的平均时间作为每个区域对应的时间。
在步骤108，按照每个区域对应的时间对多个区域进行排列，以得到第一对象的区域运动轨迹。
例如，在聚类后可以得到A、B和C三个区域。A、B和C三个区域对应的时间分别为t1、t2和t3，t1早于t2，t2早于t3。这种情况下，第一对象的区域运动轨迹可以表示为A→B→C。
重复执行上述步骤102-步骤108，以得到第一对象在不同的设定时间段内的多个区域运动轨迹。重复执行上述步骤102-步骤108的次数可以根据实际情况而定，例如可以是100次、200次等。
第一对象在不同时间段内的区域运动轨迹可能相同，也可能不同。例如，在第一天的区域运动轨迹为A→B→C，在第二天的区域运动轨迹为A’→B’→C’，在第三天的区域运动轨迹为A→B→C。
在步骤110，基于多个区域运动轨迹，确定第一对象频繁运动的频繁轨迹，频繁轨迹包括频繁区域和频繁区域对应的频繁时间段。
在一些实现方式中，可以直接统计各区域运动轨迹的个数，将个数大于预设个数的区域运动轨迹作为频繁轨迹。假设区域运动轨迹A→B→C的为频繁轨迹。则频繁区域可以是区域运动轨迹A→B→C中的各区域，即A、B和C。频繁区域对应的频繁时间段可以基于区域运动轨迹A→B→C中的各区域对应的时间来确定。以区域A为例，可以以包含区域A对应的时间的一个时间段作为区域A对应的频繁时间段。
在另一些实现方式中，可以根据后文介绍的实现方式来确定第一对象频繁运动的频繁轨迹。
上述实施例中，通过对第一对象的多个轨迹点进行聚类，可以得到第一对象的多个区域运动轨迹，进而基于多个区域运动轨迹可以得到第一对象的频繁轨迹。频繁轨迹可以为第二对象向用户提供服务提供参考，不需要第一对象进行人工指导，有利于提高服务效率。
图2是根据本公开一些实现方式的对多个轨迹点进行聚类的流程示意图。
在步骤202，根据每个轨迹点的地理位置，将多个轨迹点划分为多个子区域。
子区域的形状例如可以是正方形、长方形或圆形等。在一些实施例中，每个子区域的面积可以相同。在另一些实施例中，不同子区域的面积也可以不同。
在步骤204，从多个子区域中选取一个轨迹点密度大于预设密度的第一子区域。
例如，可以随机选取或按照预设规则选取一个轨迹点密度大于预设密度的子区域作为第一子区域。预设规则例如可以是按照从左至右、从上向下的顺序依次对子区域的轨迹点密度进行判断，直至找到轨迹点密度大于预设密度的子区域。
在步骤206，判断与第一子区域相邻的子区域的轨迹点密度是否大于预设密度，以得到判断结果；若判断结果为是，执行步骤208；若判断结果为否，返回执行步骤206。
这里，可以选取任意一个与第一子区域相邻的子区域进行判断。若判断结果为否，则选取另一个与第一子区域相邻的子区域进行判断。
在步骤208，将第一子区域与该相邻的子区域进行合并，以得到合并子区域。
在步骤210，将合并子区域作为第一子区域，返回执行步骤206和步骤208，直至与第一子区域相邻的每个子区域的轨迹点密度均不大于预设密度，从而得到多个区域中的一个区域。
在步骤212，从剩余的子区域中选取一个轨迹点密度大于预设密度的子区域作为第一子区域，返回执行步骤206-步骤210，从而得到多个区域。
例如，在得到一个区域后，可以去除该区域中的所有子区域。基于剩下的子区域，按照上述方式可以得到另一个区域。如此即可得到多个区域。
图3是根据本公开一些实现方式的确定频繁轨迹的流程示意图。
在步骤302，从多个区域运动轨迹中选择一个作为基准区域运动轨迹。
例如，可以随机选择一个区域运动轨迹作为基准区域运动轨迹，或者，可以选择区域数量最多的区域运动轨迹作为基准区域运动轨迹。
在步骤304，确定与基准区域运动轨迹属于同类的多个同类区域运动轨迹。
这里，每个同类区域运动轨迹中的第i个区域与基准区域运动轨迹中的第i个区域至少部分重叠，其中，1≤i≤N≤M。M和N中的一个为基准区域运动轨迹中的区域数量，另一个为同类区域运动轨迹中的区域数量，并且，第i个区域对应的时间早于第i+1个区域对应的时间。
假设基准区域运动轨迹为A→B→C→D→E，如果一个区域运动轨迹为A’→B’→C’→D’，且A与A’至少部分重叠、B与B’至少部分重叠C与C’至少部分重叠、D与D’至少部分重叠，则认为该区域运动轨迹与基准区域运动轨迹属于同类的区域运动轨迹，即同类区域运动轨迹。如果一个区域运动轨迹为A’→B’→C’→D’→E’→F’，且A与A’至少部分重叠、B与B’至少部分重叠、C与C’至少部分重叠、D与D’至少部分重叠、E与E’至少部分重叠，则认为该区域运动轨迹与基准区域运动轨迹也属于同类的区域运动轨迹。
在一些实施例中，如果一个区域中时间最早的轨迹点在另一个区域内，则可以认为这两个区域部分重叠。
在步骤306，对基准区域运动轨迹中的第i个区域对应的第一时间进行扩展，以得到包含该第一时间的第一时间范围。
例如，以基准区域运动轨迹中的第i个区域对应的第一时间t1i为中心，预设时间R为半径对第一时间t1i进行扩展，从而可以得到包含第一时间t1i的第一时间范围[l1i,h1i]，l1i＝t1i-R，h1i＝t1i+R。
假设基准区域运动轨迹包括n个区域，则i可以为1-n中任意一个整数，故可以得到n个第一时间范围。这里，n个第一时间范围可以表示为A1＝[l11,h11]×…[l1n,h1n]。
在步骤308，对每个同类区域运动轨迹中的第i个区域对应的第二时间进行扩展，以得到包含该第二时间的第二时间范围。
类似地，以每个同类区域运动轨迹中的第i个区域对应的第二时间t2i为中心，预设时间R为半径对第二时间t2i进行扩展，从而可以得到包含第二时间t2i的第二时间范围[l2i,h2i]，l2i＝t2i-R，h2i＝t2i+R。
假设每个同类区域运动轨迹均包括n个区域，则i可以为1-n中任意一个整数，故针对每个同类区域运动轨迹，分别可以得到n个第二时间范围。这里，每个同类区域运动轨迹对应的n个第二时间范围可以表示为A2＝[l21,h21]×…[l2n,h2n]。
基准区域运动轨迹对应的n个第一时间范围A1＝[l11,h11]×…[l1n,h1n]和每个同类区域运动轨迹对应n个第二时间范围A2＝[l21,h21]×…[l2n,h2n]可以统一表示为A＝A1∪A2∪A2…∪A2。
在步骤310，根据第一时间范围和每个第二时间范围，确定频繁轨迹。
下面介绍确定频繁轨迹的一个具体实现方式。
在步骤S1，统计与第一时间范围至少部分重合的第二时间范围的第一总数量。
在步骤S2，若第一总数量大于预设数量，则可以认为基准区域运动轨迹中的第i个区域为频繁区域，且包含第i个区域对应的第一时间的第一时间范围为频繁时间段。
下面介绍确定频繁轨迹的另一个具体实现方式。
在步骤S1’，统计与第一时间范围至少部分重合的第二时间范围的第一总数量。
在步骤S2’，若第一总数量大于预设数量，则按照时间先后顺序，将第一时间范围的上限和下限、以及每个第二时间范围的上限和下限进行排列，以得到时间序列，时间序列中相邻的两个时间组成序列时间段。
时间序列可以表示为如下公式：
B＝sortedsequence({x|x∈{l1i,h1i}or{l2i,h2i}，i＝1、2…n})。
例如，i＝1，则第一时间范围的上下限分别为l11和h11，每个第二时间范围的上下限分别为l21和h21。这里，对于不同的第二时间范围，l21和h21可以为不同的取值。因此，按照时间先后顺序可以将l11、h11、多个l21和多个h21进行排列，从而可以得到时间序列。i为不同值时，可以得到不同的时间序列B。
时间序列B中相邻的两个时间组成序列时间段[Bj,Bj+1]。1≤j≤M-1，M为时间序列B中时间的个数。
在步骤S3’，根据每个序列时间段、第一时间范围和每个第二时间范围，确定频繁轨迹。
例如，可以统计与每个序列时间段至少部分重合的第一时间范围和第二时间范围的第二总数量。若第二总数量大于预设数量，则确定该序列时间段为频繁子时间段，基准区域运动轨迹中的第i个区域为频繁区域。
之后，可以根据全部的频繁子时间段，确定频繁时间段。这里，所确定的频繁时间段包含全部的频繁子时间段。例如，频繁时间段的下限可以为全部的频繁子时间段中最早的时间，频繁时间段的上限可以为全部的频繁子时间段中最晚的时间。例如，全部的频繁子时间段为[B1,B2]和[B4,B5]，则频繁时间段可以表示为[B1,B5]。
上述实现方式中，频繁子时间段的上限和下限为时间序列中相邻的两个时间。这样的方式所确定的频繁时间段更为精细，也更为准确。
图4是根据本公开一些实施例的时间的推荐方法的流程示意图。
在步骤402，根据上述任意一个实施例的频繁轨迹的确定方法，确定第一对象的频繁轨迹。这里，频繁轨迹包括频繁区域和频繁区域对应的频繁时间段。
在步骤404，判断用户要求的服务地址是否在频繁轨迹的某个频繁区域内；若是，则执行步骤406。
在一些应用场景中，用户要求的服务地址例如可以是收货地址。
在步骤406，将频繁区域对应的频繁时间段推荐给第二对象，以便第二对象根据频繁时间段向用户提供服务。
第一对象例如可以是经验丰富的老配送员，第二对象例如可以是经验欠缺的新配送员。
上述实施例中，在用户要求的服务地址在第一对象的某个频繁区域内的情况下，可以将该频繁区域对应的频繁时间段推荐给第二对象，据此，第二对象可以在频繁时间段内或在接近该频繁时间段的时间向该用户提供服务，以便提高服务效率。
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于装置实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
图5是根据本公开一些实施例的轨迹的确定装置的结构示意图。如图5所示，该实施例的轨迹的确定装置包括轨迹信息获取模块501、轨迹点聚类模块502、区域时间确定模块503、区域排列指示模块504和频繁轨迹确定模块505。
轨迹信息获取模块501用于获取第一对象在设定时间段内的多个轨迹点的轨迹信息，每个轨迹点的轨迹信息包括该轨迹点的地理位置和第一对象位于该轨迹点的时间。
轨迹点聚类模块502用于根据每个轨迹点的地理位置，对多个轨迹点进行聚类以得到互不重叠的多个区域，每个区域中的轨迹点密度大于预设密度。例如，轨迹点聚类模块502用于根据如下方式对多个轨迹点进行聚类：将多个轨迹点划分为多个子区域；将多个子区域中相邻且轨迹点密度大于预设密度的子区域合并，以得到多个区域。
在一些实现方式中，轨迹点聚类模块502用于：从多个子区域中选取一个轨迹点密度大于预设密度的第一子区域；判断与第一子区域相邻的子区域的轨迹点密度是否大于预设密度，以得到判断结果；若判断结果为是，则将第一子区域与该相邻的子区域进行合并，以得到合并子区域；将合并子区域作为第一子区域，重复判断和合并的步骤，直至与第一子区域相邻的每个子区域的轨迹点密度均不大于预设密度，从而得到多个区域中的一个区域；从剩余的子区域中选取一个轨迹点密度大于预设密度的子区域作为第一子区域，重复判断和合并的步骤，从而得到多个区域。
区域时间确定模块503用于根据每个区域中的至少一个轨迹点的时间，确定每个区域对应的时间。
区域排列指示模块504用于按照每个区域对应的时间对多个区域进行排列，以得到第一对象的区域运动轨迹；在得到第一对象的区域运动轨迹后，指示轨迹信息获取模块501重复执行获取的步骤，从而得到第一对象的多个区域运动轨迹。应理解，轨迹信息获取模块501在执行获取的步骤后，区域时间确定模块503和区域排列指示模块504相应地分别执行后续步骤确定和排列的步骤。
频繁轨迹确定模块505用于基于多个区域运动轨迹，确定第一对象频繁运动的频繁轨迹，频繁轨迹包括频繁区域和频繁区域对应的频繁时间段。
在一些实施例中，频繁轨迹确定模块505用于根据如下方式确定第一对象频繁运动的频繁轨迹：从多个区域运动轨迹中选择一个作为基准区域运动轨迹；确定与基准区域运动轨迹属于同类的多个同类区域运动轨迹，每个同类区域运动轨迹中的第i个区域与基准区域运动轨迹中的第i个区域至少部分重叠，其中，1≤i≤N≤M，M和N中的一个为基准区域运动轨迹中的区域数量，另一个为同类区域运动轨迹中的区域数量，第i个区域对应的时间早于第i+1个区域对应的时间；对基准区域运动轨迹中的第i个区域对应的第一时间进行扩展，以得到包含该第一时间的第一时间范围；对每个同类区域运动轨迹中的第i个区域对应的第二时间进行扩展，以得到包含该第二时间的第二时间范围；根据第一时间范围和每个第二时间范围，确定频繁轨迹。
在一些实施例中，频繁轨迹确定模块505用于：统计与第一时间范围至少部分重合的第二时间范围的第一总数量；若第一总数量大于预设数量，则按照时间先后顺序，将第一时间范围的上限和下限、以及每个第二时间范围的上限和下限进行排列，以得到时间序列，时间序列中相邻的两个时间组成序列时间段；根据每个序列时间段、第一时间范围和每个第二时间范围，确定频繁轨迹。
在一些实施例中，频繁轨迹确定模块用于：统计与每个序列时间段至少部分重合的第一时间范围和第二时间范围的第二总数量；若第二总数量大于预设数量，则确定该序列时间段为频繁子时间段，基准区域运动轨迹中的第i个区域为频繁区域；根据全部的频繁子时间段，确定频繁时间段，频繁时间段包含全部的频繁子时间段。在一些实现方式中，频繁时间段的下限为全部的频繁子时间段中最早的时间，频繁时间段的上限为全部的频繁子时间段中最晚的时间。
图6是根据本公开一些实施例的电子装置的结构示意图。该实施例的电子装置可以是轨迹的确定装置或时间的推荐装置。
如图6所示，该实施例的装置600包括存储器601以及耦接至该存储器601的处理器602，处理器602被配置为基于存储在存储器601中的指令，执行前述任意一个实施例中的轨迹的确定方法或时间的推荐方法。
存储器601例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如可以存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
装置600还可以包括输入输出接口603、网络接口604、存储接口605等。这些接口603、604、605之间、以及存储器601与处理器602之间例如可以通过总线606连接。输入输出接口603为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口604为各种联网设备提供连接接口。存储接口605为SD卡、U盘等外置存储设备提供连接接口。
图7是根据本公开一些实施例的时间推荐系统的架构示意图。
数据库701存储有第一对象的多个轨迹点的轨迹点信息。时间的推荐装置702可以从数据库701获取第一对象的多个轨迹点的轨迹点信息，并根据上述方法确定出第一对象的频繁轨迹。终端703可以向时间的推荐装置702发起调用频繁轨迹的请求。例如，终端703可以向时间的推荐装置702发送用户要求的服务地址。时间的推荐装置702基于服务地址可以确定相应的频繁时间段，并发送给终端702。
如此，第二对象可以根据终端703接收到的频繁时间段向用户提供服务。
本公开还提供了一种计算机可读存储介质，其上存储有计算机程序指令，其中，该指令被处理器执行时实现上述任意一个实施例的轨迹的确定方法或时间的推荐方法。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (16)

1.一种轨迹的确定方法，包括：
获取第一对象在设定时间段内的多个轨迹点的轨迹信息，每个轨迹点的轨迹信息包括该轨迹点的地理位置和所述第一对象位于该轨迹点的时间；
根据每个轨迹点的地理位置，对所述多个轨迹点进行聚类以得到互不重叠的多个区域，每个区域中的轨迹点密度大于预设密度；
根据每个区域中的至少一个轨迹点的时间，确定每个区域对应的时间；
按照每个区域对应的时间对所述多个区域进行排列，以得到所述第一对象的区域运动轨迹；
重复所述获取、所述聚类、所述确定和所述排列的步骤，以得到所述第一对象在不同设定时间段内的多个区域运动轨迹；
从所述多个区域运动轨迹中选择一个作为基准区域运动轨迹；
确定与所述基准区域运动轨迹属于同类的多个同类区域运动轨迹，每个同类区域运动轨迹中的第i个区域与所述基准区域运动轨迹中的第i个区域至少部分重叠，其中，1≤i≤N≤M，M和N中的一个为所述基准区域运动轨迹中的区域数量，另一个为同类区域运动轨迹中的区域数量，第i个区域对应的时间早于第i+1个区域对应的时间；
对所述基准区域运动轨迹中的第i个区域对应的第一时间进行扩展，以得到包含该第一时间的第一时间范围；
对每个同类区域运动轨迹中的第i个区域对应的第二时间进行扩展，以得到包含该第二时间的第二时间范围；
根据所述第一时间范围和每个所述第二时间范围，确定所述第一对象频繁运动的频繁轨迹，所述频繁轨迹包括频繁区域和频繁区域对应的频繁时间段，所述频繁时间段包括所述频繁区域对应的时间。
2.根据权利要求1所述的方法，其中，根据所述第一时间范围和每个所述第二时间范围，确定所述频繁轨迹包括：
统计与所述第一时间范围至少部分重合的所述第二时间范围的第一总数量；
若所述第一总数量大于预设数量，则按照时间先后顺序，将所述第一时间范围的上限和下限、以及每个所述第二时间范围的上限和下限进行排列，以得到时间序列，所述时间序列中相邻的两个时间组成序列时间段；
根据每个序列时间段、所述第一时间范围和每个所述第二时间范围，确定所述频繁轨迹。
3.根据权利要求2所述的方法，其中，根据每个序列时间段、所述第一时间范围和每个所述第二时间范围，确定所述频繁轨迹包括：
统计与每个序列时间段至少部分重合的所述第一时间范围和所述第二时间范围的第二总数量；
若所述第二总数量大于预设数量，则确定该序列时间段为频繁子时间段，所述基准区域运动轨迹中的第i个区域为频繁区域；
根据全部的频繁子时间段，确定所述频繁时间段，所述频繁时间段包含全部的频繁子时间段。
4.根据权利要求3所述的方法，其中，所述频繁时间段的下限为全部的频繁子时间段中最早的时间，所述频繁时间段的上限为全部的频繁子时间段中最晚的时间。
5.根据权利要求1-4任意一项所述的方法，其中，对所述多个轨迹点进行聚类包括：
将所述多个轨迹点划分为多个子区域；
将所述多个子区域中相邻且轨迹点密度大于所述预设密度的子区域合并，以得到所述多个区域。
6.根据权利要求5所述的方法，其中，将所述多个子区域中相邻且轨迹点密度大于预设密度的子区域合并包括：
从所述多个子区域中选取一个轨迹点密度大于所述预设密度的第一子区域；
判断与所述第一子区域相邻的子区域的轨迹点密度是否大于所述预设密度，以得到判断结果；
若判断结果为是，则将所述第一子区域与该相邻的子区域进行合并，以得到合并子区域；
将所述合并子区域作为所述第一子区域，重复所述判断和所述合并的步骤，直至与所述第一子区域相邻的每个子区域的轨迹点密度均不大于所述预设密度，从而得到所述多个区域中的一个区域；
从剩余的子区域中选取一个轨迹点密度大于预设密度的子区域作为所述第一子区域，重复所述判断和所述合并的步骤，从而得到所述多个区域。
7.一种时间的推荐方法，包括：
根据权利要求1-6任意一项所述的方法，确定第一对象的频繁轨迹；
判断用户要求的服务地址是否在所述频繁轨迹的某个频繁区域内；
若是，则将所述频繁区域对应的频繁时间段推荐给第二对象，以便所述第二对象根据所述频繁时间段向所述用户提供服务。
8.一种运动轨迹的确定装置，包括：
轨迹信息获取模块，用于获取第一对象在设定时间段内的多个轨迹点的轨迹信息，每个轨迹点的轨迹信息包括该轨迹点的地理位置和所述第一对象位于该轨迹点的时间；
轨迹点聚类模块，用于根据每个轨迹点的地理位置，对所述多个轨迹点进行聚类以得到互不重叠的多个区域，每个区域中的轨迹点密度大于预设密度；
区域时间确定模块，用于根据每个区域中的至少一个轨迹点的时间，确定每个区域对应的时间；
区域排列指示模块，用于按照每个区域对应的时间对所述多个区域进行排列，以得到所述第一对象的区域运动轨迹；在得到所述第一对象的区域运动轨迹后，指示所述轨迹信息获取模块重复执行所述获取的步骤，从而得到所述第一对象在不同设定时间段内的多个区域运动轨迹；
频繁轨迹确定模块，用于从所述多个区域运动轨迹中选择一个作为基准区域运动轨迹；确定与所述基准区域运动轨迹属于同类的多个同类区域运动轨迹，每个同类区域运动轨迹中的第i个区域与所述基准区域运动轨迹中的第i个区域至少部分重叠，其中，1≤i≤N≤M，M和N中的一个为所述基准区域运动轨迹中的区域数量，另一个为同类区域运动轨迹中的区域数量，第i个区域对应的时间早于第i+1个区域对应的时间；对所述基准区域运动轨迹中的第i个区域对应的第一时间进行扩展，以得到包含该第一时间的第一时间范围；对每个同类区域运动轨迹中的第i个区域对应的第二时间进行扩展，以得到包含该第二时间的第二时间范围；根据所述第一时间范围和每个所述第二时间范围，确定所述第一对象频繁运动的频繁轨迹，所述频繁轨迹包括频繁区域和频繁区域对应的频繁时间段，所述频繁时间段包括所述频繁区域对应的时间。
9.根据权利要求8所述的装置，其中，所述频繁轨迹确定模块用于：
统计与所述第一时间范围至少部分重合的所述第二时间范围的第一总数量；
若所述第一总数量大于预设数量，则按照时间先后顺序，将所述第一时间范围的上限和下限、以及每个所述第二时间范围的上限和下限进行排列，以得到时间序列，所述时间序列中相邻的两个时间组成序列时间段；
根据每个序列时间段、所述第一时间范围和每个所述第二时间范围，确定所述频繁轨迹。
10.根据权利要求9所述的装置，其中，所述频繁轨迹确定模块用于：
统计与每个序列时间段至少部分重合的所述第一时间范围和所述第二时间范围的第二总数量；
若所述第二总数量大于预设数量，则确定该序列时间段为频繁子时间段，所述基准区域运动轨迹中的第i个区域为频繁区域；
根据全部的频繁子时间段，确定所述频繁时间段，所述频繁时间段包含全部的频繁子时间段。
11.根据权利要求10所述的装置，其中，所述频繁时间段的下限为全部的频繁子时间段中最早的时间，所述频繁时间段的上限为全部的频繁子时间段中最晚的时间。
12.根据权利要求8-11任意一项所述的装置，其中，所述轨迹点聚类模块用于：
将所述多个轨迹点划分为多个子区域；
将所述多个子区域中相邻且轨迹点密度大于所述预设密度的子区域合并，以得到所述多个区域。
13.根据权利要求12所述的装置，其中，所述轨迹点聚类模块用于：
从所述多个子区域中选取一个轨迹点密度大于预设密度的第一子区域；
判断与所述第一子区域相邻的子区域的轨迹点密度是否大于所述预设密度，以得到判断结果；
若判断结果为是，则将所述第一子区域与该相邻的子区域进行合并，以得到合并子区域；
将所述合并子区域作为所述第一子区域，重复所述判断和所述合并的步骤，直至与所述第一子区域相邻的每个子区域的轨迹点密度均不大于所述预设密度，从而得到所述多个区域中的一个区域；
从剩余的子区域中选取一个轨迹点密度大于预设密度的子区域作为所述第一子区域，重复所述判断和所述合并的步骤，从而得到所述多个区域。
14.一种轨迹的确定装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求1-6任意一项所述的方法。
15.一种时间的推荐装置，包括：
存储器；以及
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行权利要求7所述的方法。
16.一种计算机可读存储介质，其上存储有计算机程序指令，其中，该指令被处理器执行时实现权利要求1-7任意一项所述的方法。
CN201811080091.9A 2018-09-17 2018-09-17 轨迹的确定方法和装置、时间的推荐方法和装置 Active CN110910054B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN201811080091.9A CN110910054B (zh) 2018-09-17 2018-09-17 轨迹的确定方法和装置、时间的推荐方法和装置
PCT/CN2019/099248 WO2020057275A1 (zh) 2018-09-17 2019-08-05 轨迹的确定方法和装置、时间的推荐方法、装置和系统
US17/273,105 US20210224941A1 (en) 2018-09-17 2019-08-05 Method and apparatus for determining trajectory, and method, apparatus and system for recommending time
EP19862558.4A EP3832576A4 (en) 2018-09-17 2019-08-05 METHOD AND DEVICE FOR DETERMINING A TRAJECTORY, AND METHOD, DEVICE AND SYSTEM FOR TIME RECOMMENDATION

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811080091.9A CN110910054B (zh) 2018-09-17 2018-09-17 轨迹的确定方法和装置、时间的推荐方法和装置

Publications (2)

Publication Number Publication Date
CN110910054A CN110910054A (zh) 2020-03-24
CN110910054B true CN110910054B (zh) 2024-04-05

Family

ID=69812508

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811080091.9A Active CN110910054B (zh) 2018-09-17 2018-09-17 轨迹的确定方法和装置、时间的推荐方法和装置

Country Status (4)

Country Link
US (1) US20210224941A1 (zh)
EP (1) EP3832576A4 (zh)
CN (1) CN110910054B (zh)
WO (1) WO2020057275A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449217B (zh) * 2020-03-27 2024-07-23 斑马智行网络(香港)有限公司 迁移轨迹、热力图生成及网点确定的方法、设备
CN114363460B (zh) * 2020-09-30 2023-02-03 华为技术有限公司 运动轨迹的显示方法、电子设备及可读存储介质
CN112258128B (zh) * 2020-11-11 2021-10-26 拉扎斯网络科技（上海）有限公司 目标位置估计方法、装置、电子设备及计算机存储介质
CN112947100B (zh) * 2021-02-03 2023-04-07 珠海格力电器股份有限公司 一种语音助手设备唤醒方法、装置、系统及存储介质
CN113868551A (zh) * 2021-09-13 2021-12-31 杭州数梦工场科技有限公司 一种基于轨迹的密切接触对象的筛选方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130026258A (ko) * 2011-09-05 2013-03-13 세림티에스지(주) 도로망 기반의 빈번 차량 궤적 클러스터링 시스템 및 방법
CN104075709A (zh) * 2013-03-29 2014-10-01 百度在线网络技术（北京）有限公司 基于稀疏轨迹点数据的移动轨迹确定方法及设备
CN104239556A (zh) * 2014-09-25 2014-12-24 西安理工大学 基于密度聚类的自适应轨迹预测方法
CN105894358A (zh) * 2016-03-31 2016-08-24 百度在线网络技术（北京）有限公司 通勤订单识别方法和装置
CN106790468A (zh) * 2016-12-10 2017-05-31 武汉白虹软件科技有限公司 一种分析用户WiFi活动轨迹规律的分布式实现方法
CN108509434A (zh) * 2017-02-23 2018-09-07 中国移动通信有限公司研究院 一种群体用户的挖掘方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008134595A1 (en) * 2007-04-27 2008-11-06 Pelago, Inc. Determining locations of interest based on user visits
US8527196B2 (en) * 2011-03-23 2013-09-03 Denso International America, Inc. System and method for determining routes to desired locations
CN105095617B (zh) * 2014-04-29 2019-03-19 国际商业机器公司 构建对象的目标运动轨迹的缺失部分的方法和设备
CN105528359B (zh) * 2014-09-29 2019-05-07 国际商业机器公司 用于存储行进轨迹的方法和系统
CN106327236B (zh) * 2015-07-10 2020-04-14 华为技术有限公司 一种确定用户行动轨迹的方法及装置
CN106447258A (zh) * 2016-09-19 2017-02-22 上海德启信息科技有限公司 一种快递员信息查询方法及系统
US10502579B2 (en) * 2016-10-25 2019-12-10 Here Global B.V. Method and apparatus for determining modal routes between an origin area and a destination area

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130026258A (ko) * 2011-09-05 2013-03-13 세림티에스지(주) 도로망 기반의 빈번 차량 궤적 클러스터링 시스템 및 방법
CN104075709A (zh) * 2013-03-29 2014-10-01 百度在线网络技术（北京）有限公司 基于稀疏轨迹点数据的移动轨迹确定方法及设备
CN104239556A (zh) * 2014-09-25 2014-12-24 西安理工大学 基于密度聚类的自适应轨迹预测方法
CN105894358A (zh) * 2016-03-31 2016-08-24 百度在线网络技术（北京）有限公司 通勤订单识别方法和装置
CN106790468A (zh) * 2016-12-10 2017-05-31 武汉白虹软件科技有限公司 一种分析用户WiFi活动轨迹规律的分布式实现方法
CN108509434A (zh) * 2017-02-23 2018-09-07 中国移动通信有限公司研究院 一种群体用户的挖掘方法及装置

Also Published As

Publication number Publication date
CN110910054A (zh) 2020-03-24
EP3832576A4 (en) 2022-03-30
WO2020057275A1 (zh) 2020-03-26
US20210224941A1 (en) 2021-07-22
EP3832576A1 (en) 2021-06-09

Similar Documents

Publication Publication Date Title
CN110910054B (zh) 轨迹的确定方法和装置、时间的推荐方法和装置
Akhavian et al. Knowledge-based simulation modeling of construction fleet operations using multimodal-process data mining
Sparing et al. A cycle time optimization model for generating stable periodic railway timetables
CN110288232B (zh) 订单调度方法及装置
Cao et al. The design of an IoT-GIS platform for performing automated analytical tasks
CN105930920A (zh) 物流配送管理方法和物流配送管理装置
CN101976534B (zh) 电子地图生成的方法及装置
CN103020790A (zh) 一种预分拣订单的方法和装置
CN111339230B (zh) 一种车辆信息显示方法、装置、电子设备和存储介质
CN110852499A (zh) 回收故障车辆的方法和装置
CN1317917A (zh) 数据分配系统
CN110232535A (zh) 信息匹配方法及装置、存储介质及电子终端
CN110019179A (zh) 更新索引库的方法及装置、电子设备、存储介质
CN103430152A (zh) 处理用于数据库修改的数据的方法与系统
CN111444309A (zh) 用于对图进行学习的系统
CN112650794A (zh) 位置数据处理方法、装置、电子设备和存储介质
CN110992081A (zh) 用于线下服务商的数据处理方法及装置
CN107391728B (zh) 数据挖掘方法以及数据挖掘装置
CN113253692B (zh) Agv的巡游方法、装置、设备及可读存储介质
CN116828521A (zh) 一种无线传输设备检测方法及系统
CN113988741A (zh) 一种信息推荐方法、装置、电子设备及存储介质
CN112381590A (zh) 成本核算方法、装置、服务器及存储介质
CN111768161B (zh) 一种跨营业部派送统计方法、装置及系统
de GAA Campos et al. Agent-based dynamic scheduling model for product-driven production
CN110851717A (zh) 一种迷你仓位的推荐方法、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant